はじめに：数字に“時間軸”を加えると世界が変わる

これまでのデータ分析では、売上や満足度などを“ある一時点の数字”として扱ってきました。
しかし、数字は時間とともに動き続けます。
その変化を観察するのが 時系列データ分析 です。

例えば、あなたの会社の月次売上がこうだったとします。

この「数字の流れ」をグラフにしてみると、数字が単なる羅列ではなく、“物語”を語りはじめます。

グラフの山と谷には、季節・イベント・景気など、目に見えない要因が潜んでいます。
それを読み解くことが、時系列分析の第一歩です。

---

1. 時系列データとは？

「時系列データ」とは、時間の経過に沿って記録された数値の集まりを指します。
例としては以下のようなものがあります。

・会社の売上推移
・サイトのアクセス数
・株価や為替の変動
・気温や降水量の変化

時間が加わることで、“今の数字が特別なのか、それとも毎年同じパターンなのか”が分かります。
つまり、時系列データは「過去と未来をつなぐ橋」なのです。

---

2. 折れ線グラフで変化を“見る”

折れ線グラフは、時系列データを可視化する最も基本的な手法です。
上下の動きで、トレンド（傾向）や周期性（季節性）が直感的に分かります。

たとえば「年末に売上が上がる」「梅雨時期に来店数が減る」など、データが語る季節のリズムを読み取れます。
こうした“パターン認識”こそが、データを活かす第一歩です。

💡Tip： 折れ線グラフの横軸は必ず“時間”、縦軸は“数値”で統一しましょう。
時間軸が均等でないと、変化が誇張されたり歪んだりします。

---

3. 移動平均でノイズを消してトレンドをつかむ

時系列データには、ちょっとしたイベントや誤差による“揺れ”が含まれます。
そんな時に役立つのが 移動平均（Moving Average） です。

過去数期間（例：3か月、7日など）の平均を計算して線を描くと、短期的な変動をならして“真の傾向”が見えます。

移動平均はマーケティングでもよく使われます。
広告効果や来店者数の「一時的な跳ね上がり」をならして、安定したトレンドを確認できるからです。

⚙️実務Tip： 3か月移動平均を使うと、季節変動の“ノイズ”を減らして、経営判断がブレにくくなります。

---

4. 自己相関 ― 過去が未来を作るという視点

ここで、少し“おもしろい話”をしましょう。
多くの人が驚くのが、「過去のデータが未来を予言する」という考え方です。

たとえば「売上が好調な翌月は、だいたい次の月も好調」など。
これは単なる偶然ではなく、自己相関（autocorrelation） という統計的現象です。

自己相関とは、過去のデータと現在のデータの“つながり具合”を表す指標です。
もし相関が高ければ、「過去の流れが未来にも影響している」と言えます。

💡コレログラム： 自己相関を棒グラフで可視化したもの。どのくらい過去まで影響が続くかが一目で分かります。
データの“記憶”を読むことで、次の行動を予測しやすくなります。

---

5. グラフを読むときの注意点

・縦軸のスケールは原点から／一貫した範囲で設定。途中で切ると小さな差が大きく見える（例：売上95→100を縦軸90–100にすると急増に錯覚）。必要なら注記を入れる。
・データ更新のタイミングを揃える（営業日数、月末締め／四半期締め、祝日有無）。営業日が少ない2月は売上が低く見えるため、日割り・営業日補正の比較も併記。
・短期間データのみで判断しない（最低1年＝季節性1周期）。可能なら前年同月比と移動平均（3か月／12か月）を併用して、季節とトレンドを分離。
・“一時的なバズ”に惑わされず、継続性を見る。キャンペーン・メディア露出・価格改定などのイベントログを並記し、施策後に水準が維持されたか（定常化）を検証。

⚠️注意： 「増えた・減った」ではなく、「どう変わってきたか」を見るのが時系列分析の本質です。

---

6. まとめ：変化の“形”を読む力を持とう

数字は単なる記録ではなく、“流れ”を持っています。
その流れの中に、行動・成果・市場の動きが映っています。

・折れ線グラフで「変化の形」を見る
・移動平均で「本当のトレンド」をつかむ
・自己相関で「過去と未来のつながり」を知る

次回は、この“変化”をさらに一歩深めて、「増減率」というスピードの概念でデータを読み解きます。
数字の変化を“速度”で見ると、また新しい発見が待っています。

<文/綱島佑介>